基于分时电价的风电-光伏-光热联合发电基地并网优化调度策略

2021-10-10董海鹰

电源学报 2021年5期

张宏，董海鹰,2，陈钊，黄蓉，丁坤

（1.兰州交通大学自动化与电气工程学院，兰州 730070；2.兰州交通大学新能源与动力工程学院，兰州 730070；3.国网甘肃省电力公司电力科学研究院，兰州 730050）

伴随全球经济迅速发展，能源危机与环境污染问题日益加剧，大力发展新能源已成必然趋势。以风光为代表的风电、光伏发电具备资源丰富、发展前景好、清洁可再生等优点，在发电领域得到青睐[1]。而随着风电、光伏发电渗透率不断增长，其输出功率的随机性、间歇性、波动性以及预测精度低等特点给电网安全稳定运行、调峰调频、并网效益以及风光消纳能力带来一系列挑战[2]。配备大容量储能装置可有效解决这一问题，但同时将增加额外运行成本。因此将风电、光伏发电与经济可控能源联合运行逐渐成为研究热点。

近年来，太阳能光热CSP（concentrating solar power）技术迅速发展，光热发电在新能源发电领域逐渐受到重视[3]。2018 年12 月28 日甘肃省敦煌市首航节能100 MW 塔式熔盐光热电站成功并网发电；2018 年12 月30 日，青海中控德令哈50 MW 塔式熔盐光热电站一次并网成功，标志着我国成为世界上少数掌握百兆瓦级熔盐塔式光热电站技术的国家，具有重要的里程碑意义。我国西北地区风光资源丰富，利用含储热光热电站良好的可调度性与可控性，将光热电站和风电、光伏发电联合运行，通过储热装置储放热特性提升风光并网空间，而汽轮机组良好的快速调节能力降低风光出力波动效应[4]。因此，研究风电-光伏-光热联合发电基地并网优化调度策略，对缓解能源和环境间矛盾具有重要理论价值和实践意义。

目前，国内外学者主要针对风电与光伏、风电与光热以及光伏与光热的联合优化调度展开研究，并取得了一定成果。文献[5]建立了风电与光热发电联合优化调度模型，利用光热电站良好的可调度性与可控性改善风电的不确定性；文献[6]考虑系统综合成本前提下，兼顾价格型需求响应和风电预测二者不确定性，建立考虑价格型需求响应及光热电站参与风电消纳的日前优化调度模型；文献[7]建立了风电-光热发电系统并网运行模型，以系统联合出力方差作为鲁棒优化问题，降低系统出力波动幅度；文献[8]针对风电-光热系统，建立了考虑能量与备用联合出清的随机机组组合模型，并定量分析光热电站的能量效益与备用效益；文献[9]基于光热光伏系统运行机理，以最小化等效负荷方差和最大化系统并网效益为目标，建立光热光伏系统两阶段优化调度模型；文献[10]考虑分时电价，建立了风电、光伏和储能系统的联合优化调度模型，并提出相应调度策略；文献[11]提出利用风蓄联合削峰的电力系统经济调度策略；文献[12]考虑系统综合成本前提下，兼顾电网运行约束，提出风电-光伏-光热联合出力调度策略。上述文献主要针对风电与光伏、风电与光热以及光伏与光热的联合调度展开研究，对风电-光伏-光热联合调度的研究较少。

为此，本文提出一种基于分时电价的风电-光伏-光热联合发电基地并网优化调度策略。利用光热电站储热系统储放热特性，将负荷低谷时段富余风电与光伏发电转化为负荷高峰时段电能，以提高新能源消纳率，使风电-光伏-光热系统并网经济效益最大，同时将风电-光伏-光热系统联合出力作为稳定可调度电源，平滑等效负荷曲线，使火电机组出力经济平稳，从而提高火电机组运行效率，降低系统发电成本。最后基于改进IEEE30 节点系统验证本文所提调度策略的正确性和有效性。

1 风电-光伏-光热联合发电基地并网优化调度策略

1.1 光热电站的特性

太阳能光热电站主要由聚光集热环节、储热环节和发电环节3 部分构成，其内部主要包含光场SF（solar field）、储热TS（thermal storage）和热力循环PC（power cycle）。不同子系统之间的能量传递由导热流体HTF（heat transfer fluid）实现，当前主流HTF 介质为热导油。典型双罐式光热电站基本结构如图1 所示。在聚光集热环节，SF 中的HTF 介质被加热至足够高温度，HTF 介质可直接进入发电环节，加热水形成水蒸气带动发电机组发电，HTF 介质也可进入储热环节，通过热交换实现热存储和热释放。集热环节目前主要分为槽式、塔式、碟式和菲涅尔式；储热环节一般分为单罐式和双罐式；发电环节中，碟式光热电站一般采用斯特林发电机，其他形式的光热电站发电环节基本原理与常规发电机组一致。

图1 光热电站基本结构Fig.1 Basic structure of CSP plant

随着熔融盐储能技术的成熟，基于熔盐的储能介质在光热电站中的应用愈加广泛，兼具大容量、高效率和低成本的优势。光热电站的运行机理使其具有完全不同于一般可再生能源的调度特性。首先，有大容量的TS 作为缓冲，能够灵活利用光能；其次，光热电站中汽轮机组有良好的快速调节能力，可为系统提供备用和爬坡支撑，因此，光热电站有类似于传统火电机组的调度特性；再次，光热电站的热力循环相比普通火力发电具有更好的可控性和调节能力，可实现汽轮机组的快速调节，达到与燃气机组相近的爬坡速度，这种快速爬坡能力进一步提升了可调度特性。

1.2 风电-光伏-光热联合发电基地并网优化调度策略

为解决风电、光伏出力的随机性、间歇性和波动性对电网运行造成的冲击问题和电网运行的经济性问题，将风电、光伏和光热联合出力作为稳定可调度电源，与火电共同参与电网调度。在风电-光伏-光热联合削峰阶段，以风电-光伏-光热系统并网经济效益最优和等效负荷方差最小为目标函数，优化该系统的联合出力，并传递给电网经济调度阶段；在电网经济调度阶段，以系统总发电成本最小和火电机组出力波动最小为目标函数，依据风电-光伏-光热系统出力确定广义负荷，从而优化火电机组的出力，最终获得经济性最佳的运行方案。风电-光伏-光热联合发电基地并网优化调度策略如图2 所示。

图2 调度策略流程Fig.2 Flow chart of dispatching strategy

通常电力日负荷变化规律可按时刻划分为峰荷、平荷及谷荷3 种时段。本文平荷时段与谷荷时段调度出力策略一致，二者依据谷荷时段调度出力策略实施。24 h 峰平谷时段的划分及市场售电电价见表1。

表1 峰平谷时段划分与分时电价Tab.1 Partition of peak,plain,and valley periods,and time-of-use electricity price

1.2.1 峰荷时段调度出力策略

峰荷时段电负荷水平较高，风电与光伏发电全部上网，光热电站在满足其主要约束条件下，实现风电-光伏-光热系统并网经济效益最大以及等效负荷方差最小。峰荷时段t 时刻光热发电、风电以及光伏发电出力如下。

光热电站输出功率PGt为

风电与光伏发电上网功率为

1.2.2 平、谷荷时段调度出力策略

平、谷荷时段，电负荷在满足光热电站储热系统储热容量约束范围下，最大化存储该时段富余风电与光伏发电负荷。若光热电站储热系统不能全部存储风电与光伏发电，在满足最大化接纳风电与光伏发电以及平滑等效负荷曲线的目的下，选择剩余风电和光伏发电部分上网。平、谷荷时段t 时刻的光热电站、风电和光伏发电出力如下。

光热电站输出功率如式（1）所示。风电和光伏发电上网功率为

2 风电-光伏-光热联合发电基地并网优化调度模型

基于两阶段优化思路，从风电、光伏发电以及光热发电三者互补机理入手，以提高新能源并网经济效益和实现火电机组经济平稳运行为目标，建立风电-光伏-光热联合发电基地并网优化调度模型，包括风电-光伏-光热系统联合“削峰”模型和火电机组经济调度模型，其分别对应第一阶段优化和第二阶段优化。

2.1 风电-光伏-光热系统联合“削峰”模型

风电-光伏-光热联合发电基地并网运行时，由于光热电站配备大容量的储热装置以及具备快速爬坡能力的汽轮机组，可将风电-光伏-光热系统转变为稳定可调度电源，使其具备调节电网峰谷差、改善等效负荷曲线、增强电力系统灵活运行的作用。因此，在第一阶段优化过程中，以风电-光伏-光热联合系统经济效益最大和等效负荷方差最小为优化目标，建立风电-光伏-光热系统联合“削峰”模型，为第二阶段火电机组经济调度提供等效负荷数据。

2.1.1 目标函数

目标函数1：风电-光伏-光热系统并网经济效益最优，即

式中：F1为系统市场售电效益；F2为系统并网环境效益；F3为系统弃风、弃光惩罚成本；F4为系统运维成本。计算公式分别为

目标函数2：等效负荷方差最小，即

式中：P1t为t 时刻负荷预测值；Pg1t为t 时刻等效负荷值；Pg1t,av表为等效负荷平均值。

2.1.2 约束条件

（1）风电出力约束为

（2）光伏发电出力约束为

（3）光热电站储热系统约束如下。

①储热容量约束为

②储热系统储、放热功率约束为

③同一时段储、放热不能同时进行，其约束为

④为保证下一个调度时段需求，需保证在下一调度周期储热系统始末储热量不变。储热系统始末储热量约束为

⑤在储热期间，储热系统会产生一定损耗，因此储热系统储热量由储放热功率与热能损耗量共同决定。储热系统储热量约束为

（4）光热电站发电相关约束如下。

①光热电站出力约束为

式中，PGmin、PGmax分别为光热电站最小、大出力。

②光热电站爬坡速率约束为

式中，rdG和ruG分别为光热电站最大向下和向上爬坡速率。

2.2 火电机组经济调度模型

基于第一阶段优化的等效负荷值，第二阶段以系统总发电成本最低、火电机组出力波动最小为目标，建立火电机组经济调度模型，在满足一定约束条件下，优化各火电机组出力。

2.2.1 目标函数

目标函数3：系统总发电成本最小，即

式中：F5为火电机组燃料成本；F6为火电机组环境污染成本。计算公式分别为

式中：N 为火电机组数量；Pit为火电机组i 在t 时刻出力；ai、bi、ci为火电机组燃料成本系数；εh为环境污染成本系数；αi、βi、γi为火电机组污染物排放系数。

目标函数4：火电机组出力波动最小，即

2.2.2 约束条件

（1）功率平衡约束为

（2）受光热电站储热装置容量大小限制，低谷时段可能出现弃风、弃光现象，可将弃风弃光量作为负荷旋转备用，光热电站剩余出力也可作为负荷旋转备用。旋转备用约束为

式中：Pimax为火电机组i 最大出力；Rut为t 时刻系统旋转备用需求，通常取最大负荷10%。

（3）火电机组出力约束为

（4）火电机组爬坡速率约束为

式中：Ui、Di为表示机组i 最大向上、向下爬坡速率。

（5）火电机组最小启停时间约束为

式中：Ti,t-1,on、Ti,t-1,off分别为机组i 在t-1 时段内连续运行、停机时间；分别为最小开、停机时间。

（6）优化调度各机组出力时需考虑网络安全约束，避免线路传输功率越限。输电线路传输功率约束为

式中：Pzl，max、Pfl，max分别为输电线路l 的正、反向传输功率最大值；Pl，t为输电线路l 在t 时段所传输功率。

2.2.3 模型求解

本文采用智能算法求解风电-光伏-光热联合发电基地并网优化调度模型求解，流程见图3。第一阶段采用基于差分进化的粒子群算法求解。将差分进化策略融入多目标粒子群算法中，针对粒子飞行速度过快会导致算法陷入局部最优解，加入一种速度控制策略加强算法的全局搜索性能。同时结合模糊数学原理，选取目标函数1 和2 合适的隶属度函数进行模糊化，求得对应最优解[13-15]。第一阶段其具体流程如图3（a）所示，具体算法步骤见文献[13-14]。第二阶段优化采用基于改进双重粒子群算法求解。离散PSO 分时段优化机组的启停状态，在种群更新时加入了临界算子，改进了可行解的判别条件，各机组出力最低值的和要在一定程度上低于负荷需求值，并考虑机组启停时间的向前继承和向后约束。连续PSO 用于启停状态确定过程中和确定后的负荷分配，考虑功率平衡约束和机组的出力上下限约束。求解经济负荷分配时，利用罚函数的方法满足机组的爬坡速率约束，最后得到系统总发电成本。由于是多目标优化问题，将Pareto 最优概念与其结合，通过Pareto 最优机制确定个体最优与全局最优，引导粒子飞行方向，并行搜索多目标问题最优解[15-16]。其具体流程如图3（b）所示，算法具体步骤见文献[16]。

图3 求解流程Fig.3 Flow chart of solution

3 算例分析

3.1 基本数据与参数

本文采用改进IEEE30 节点系统仿真分析，算例系统接线图如图4 所示。算例系统包含5 台常规火电机组，具体参数见表2，100 MW 光热电站具体参数见表3。风电、光伏预测数据如图5 所示。设风电、光伏、光热并网环境效益系数kF=kG=kR=230 元/MW；环境污染成本系数为0.5；弃风弃光惩罚费用为100 元/（MW·h）；风电、光伏发电运维成本系数cw、cpv分别为20 元/MW、30 元/MW。

图4 改进IEEE30 节点系统接线图Fig.4 Wiring diagram of improved IEEE 30-node system

图5 风电与光伏预测曲线Fig.5 Curves of wind and PV predictive power

表2 常规火电机组参数Tab.2 Parameters of conventional thermal power units

表3 100 MW CSP 电站参数Tab.3 Parameters of 100 MW CSP plant

3.2 算例结果分析

3.2.1 系统有无光热电站优化结果分析

为分析光热电站接入电力系统前后风电-光伏-光热系统并网经济效益、系统等效负荷方差以及总发电成本变化情况，对有无光热电站场景下的优化调度结果进行对比分析，其优化调度结果如图6 和图7 所示。图6（a）为系统中无光热电站接入运行时，风电-光伏系统联合“削峰”等效负荷曲线，图6（b）为系统中各火电机组对应最优调度出力曲线；图7（a）为系统中有光热电站接入运行时，风电-光伏-光热系统联合“削峰”等效负荷曲线，图7（b）为系统中各火电机组对应最优调度出力曲线。

图6 未接入光热电站的优化调度结果Fig.6 Optimal dispatching results before adding the CSP plant

图7 接入光热电站的优化调度结果Fig.7 Optimal dispatching results after adding the CSP plant

表4 与表5 分别为系统中接入光热电站前后对应指标值、各火电机组出力以及对应变化率。

表4 接入光热电站前后对应指标值Tab.4 Corresponding index values before and after adding the CSP plant

表5 火电机组出力方差Tab.5 Output variance of thermal power units

综合分析图6、图7 和表4、表5 可知：系统中未接入光热电站时，风电、光伏全部上网，风电-光伏系统削峰效果差，等效负荷方差为4 251.177；接入光热电站后，风电-光伏-光热系统削峰效果明显，等效负荷波动幅度明显降低，其方差降低92.96%；系统中各火电机组最优调度出力方差相比未接入光热电站均大幅降低，变化率见表5，风电-光伏-光热系统经济效益提高43.56%，系统总发电成本降低11.20%。上述结果表明，系统中接入光热电站不仅可提高风电-光伏-光热系统并网经济效益，还可平滑等效负荷曲线，达到对负荷“削峰”效果，同时可提高火电机组运行效率，降低系统总发电成本。

图8 和图9 分别为调度期间光热电站储热装置储热容量变化曲线和储热装置充、放热功率，图10为风电与光伏实际调度出力与预测出力对比曲线。综合分析可知，在峰荷时段，风电与光伏发电全部上网，光热电站储热系统放热发电，因此，储热系统储热容量降低；在平、谷荷时段，风电与光伏发电实际调度出力小于其预测出力，储热系统存储该时段富余风电与光伏发电，在负荷高峰时段释放，因此该时段储热系统储热容量上升。通过光热电站储热系统储放热特性，提高了新能源消纳率，从而使得风电-光伏-光热系统总体并网经济效益得到提升。

图8 光热电站储热装置储热容量变化曲线Fig.8 Curve of heat storage capacity of TS in CSP plant

图9 光热电站储热装置储放热功率Fig.9 Charging and discharging heat powers of TS in CSP plant

图10 风电、光伏实际调度出力与预测出力对比曲线Fig.10 Curve of comparison between actual dispatching output and predicted output from wind and PV power

3.2.2 光热电站不同装机容量的优化结果分析

图11 为光热电站汽轮机组不同装机容量下系统等效负荷曲线。由图11（b）可知，当光热电站汽轮机组装机容量较大，即最大出力为140 MW 时，风电-光伏-光热联合出力基本完全平抑负荷波峰，火电机组总出力趋于平滑，其运行效率高，但此时设备投资成本高；随光热电站最大出力减小，即最大出力为120 MW 时，由图11（a）可知，等效负荷有一定波动，即火电机组总出力有一定波动，其运行效率相对最大出力为140 MW 时有所降低，但此时设备投资成本低。因此设备投资成本与火电机组运行效率之间的权衡需进一步研究。

图11 光热电站不同装机容量下的优化结果Fig.11 Optimization results under different installed capacities in CSP plant

3.2.3 风电-光伏-光热联合发电基地并网调度灵敏度分析

由3.2.2 光热电站不同装机容量下优化结果可知，风电-光伏-光热联合发电基地并网运行时，光热电站汽轮机组最大出力将直接影响系统等效负荷方差，从而影响系统发电成本。同时新能源并网经济效益也将发生变化。

图12 为光热电站汽轮机组最大出力变化时，系统等效负荷方差、发电成本以及新能源并网经济效益变化情况。可以看出，增加光热电站汽轮机组最大出力时，系统等效负荷方差不断递减，即在一定光照条件下，汽轮机组装机容量越大，负荷曲线改善情况越好。同时，根据新能源并网效益上升趋势和系统发电成本下降趋势可知，选择合适的机组装机容量对提高系统经济性具有重要意义。由于光热电站储热装置容量的大小会影响光热电站出力的大小，因此光热电站储热系统最大容量同样将影响系统等效负荷方差、系统发电成本以及新能源并网经济效益。

图12 光热电站汽轮机组最大出力灵敏度分析曲线Fig.12 Sensitivity analysis curves of maximum output from steam turbine in CSP plant

图13 为光热电站储热装置最大容量变化时，系统等效负荷方差、发电成本以及新能源并网效益变化情况。可以看出：随储热装置最大容量增加，等效负荷方差和发电成本均呈下降趋势，新能源并网效益呈上升趋势，说明在一定光照条件下，提升储热装置容量有助于改善负荷曲线、降低系统发电成本以及提高系能源并网效益。因此，在规划建设光热电站时应结合具体实际情况进行成本效益分析，选择合适的最大装机容量和储热装置容量，以最大化系统整体经济效益。